电商智能化服务用户接受意愿的影响因素——一项基于fsQCA的研究

汪 聪，赵 洁

(安徽大学 商学院，安徽 合肥 230601)

随着2019年《政府工作报告》“智能+”战略的提出[1]，各行业进行“智能+产业”模式的转型升级，利用数字化技术创新服务，带动产业高速发展. 电子商务也借助人工智能等技术为用户提供服务，扩大了交易规模，2019年全国电子商务交易额达34.81万亿元[2]. 虽然智能化服务给电子商务的发展带来了好处，但据《中国青年报》的调查显示，将近一半的受访者认为当前智能客服并没有达到理想效果，反而存在诸多问题[3]，由此引发的用户接受意愿不高甚至是抵触回避[4]等现实问题阻碍了智能化服务的深入推广.

电商情境下有哪些因素会影响用户接受智能化服务？又是如何发挥影响的？针对以上问题，本文梳理相关研究发现：1)学者们在研究智能化服务的接受意愿时多会结合具体的应用情境特点加以分析[5-7]，而在电商环境下该主题的文献大多从技术应用的角度出发，着重强调算法或系统平台[4，8-9]等技术上的改进，忽视了用户需求端的分析. 2)学者们在研究中以传统量化分析为主，这种方法认为自变量和因变量之间的关系是线性的，考虑单个自变量对结果变量的净影响[10]，没有尝试从变量组合的角度进行分析，忽视了变量之间可能存在的相互作用.

综上，本文综合相关研究后，结合电商特点从变量组合视角出发，运用fsQCA揭示影响用户接受意愿的多个因素组合，旨在为企业提供可供选择的方案集合，以便实现企业资源的最大化利用.

1 相关理论与文献综述

1.1 智能化服务相关研究

国内外学者对智能化服务的研究主要集中在概念意义[11-13]、应用模式分析[14-15]、应用效果及改进[4-9，16-17]三方面. 在应用效果及改进的研究中，学者们不仅分析了应用智能化服务带来的好处，如提高图书馆的工作能力[16]、提升交易效率降低成本、提升用户体验[17]等；还研究了如何改进以更好实现应用效果，其中用户需求端的研究旨在找出改进方向，技术端的研究旨在提升服务质量，而在电商情境下大多数学者从技术端出发研究算法优化、推荐平台、智能系统等[4，8-9]的构建，对用户需求端的影响因素分析较少，不利于技术的有效改进. 与此同时，用户需求端的研究大多结合具体的应用情境展开，如学者钱春玲[5]在研究智能化服务的客户接受意愿时结合银行的情境特点考虑了安全性的影响；罗盛[6]在研究社区养老服务的接受意愿时也根据研究对象是老年人这一特点加入了技术焦虑变量；Yang等[7]则结合智能家居服务的特点研究了用户对智能家居服务的接受度. 总之，结合电商特点进行用户需求端分析的文献还较为匮乏.

综上，本文将从用户需求端的影响因素展开研究，同时也将结合电商特点修正变量，以期使研究结论更加符合我们的电商环境.

1.2 模糊集定性比较分析法(fsQCA)

查尔斯·拉金[18-19]提出的定性比较分析法(QCA)从组合视角探究复杂因果关系，被认为是定性与定量的融合[20]. 相关研究集中在介绍和应用两方面：夏鑫等[21]认为QCA方法提供了一种新的研究逻辑并总结出它与传统定量研究相比的三个优势；杜运周、贾良定[22]则指出“这是管理学研究的一条新道路”. 在应用方面，学者们根据样本处理需要选择不同的操作方法，其中模糊集定性比较分析法(fsQCA)用模糊得分表示结果和条件发生的程度，适合连续变量的研究，受到了许多研究者的采纳. 徐广平等[23]通过fsQCA探讨了影响公司创业活跃度差异的多重并发因素和因果复杂机制；杨金龙等[24]运用fsQCA对移动学习的采纳动因进行了组态效应的分析，研究发现学习者自主性弱是导致移动学习不采纳的核心原因.

因此，本文将从组合视角出发，选择fsQCA方法找出变量间组合发挥作用的机制，这也更符合现实世界多因一果等复杂现象的解释.

1.3 UTAUT理论模型

Venkatesh等人[25]在2003年提出了技术接受与使用整合理论(Unified Theory of Acceptance and Use of Technology，UTAUT)，并在综合已有的TAM、TRA、IDT、TPB等模型基础上提炼出四个核心维度：绩效预期、努力预期、社会影响和便利条件[26]. 自UTAUT模型提出至今，已在研究影响使用者认知因素的相关认知上得到了一致肯定，即被认为可以有效剖析用户的使用行为意愿[27]. 从应用范围来看，在国内研究用户使用意向时主要围绕“互联网+X”及移动服务两大领域展开[27]，涉及互联网教育、互联网商务、移动阅读等多个主题. 程姗姗等[28]使用UTAUT和IS模型成功整合以往关于移动学习接受度和影响因素的零碎研究，提出了新的移动学习接受度和影响因素的理论框架；耿荣娜等[29]运用UTAUT模型研究了社会化电子商务中用户信息采纳行为意向的影响因素；王雨等[30]运用于研究大学生数字化阅读的影响因素.

综上，UTAUT模型在解释用户行为意向时得到了广泛采用和肯定，因此本文也选取UTAUT模型变量以便系统地获取影响因素，提高研究结果的有效程度.

2 智能化服务用户接受意愿的影响因素

2.1 UTAUT模型变量

UTAUT模型包括绩效预期、努力预期、社会影响和便利条件，前3个变量通过影响行为意愿作用于行为，便利条件直接影响行为本身，本文的研究问题属于行为意愿层面所以选取前三个变量.

绩效预期是用户认为应用某技术能帮助获得绩效的程度[25]，可看作TAM模型中的感知有用性[26]. 智能化服务是一种服务创新，感知有用性有利于创新事物的初步接受，对后续的采纳与使用至关重要[31]. 即在用户体验智能化服务的过程中，若感知到使用该服务带来的好处越多，就越容易接受该服务[5-6，26]. 努力预期是指个人在使用某一技术时预计愿意付出的努力程度，相当于TAM模型中的感知易用性[25-26]. 用户学习使用智能化服务需要花费时间、精力等，若感知到的易用程度低，那么预计愿意付出的努力程度就低，接受意愿也会随之下降[5-6，32]. 社会影响是指用户在决定是否使用新技术时受他人影响的程度[25]. 人在社会中生存时会与他人产生联系，为了保持团体间的一致性或身份层面的认同，其行为会受到他人的影响. 因此受到的社会影响越大，用户接受意愿越高.

2.2 失控感知

控制感是个体对环境和自身行为控制水平的情感认知[33]，包括实际控制和感知控制[34]. 当失去自由选择权或感觉到失去控制时，用户会产生一种控制感受损的心理认知状态[35]，即失控感知. 智能化服务是基于传感器对个人数据的收集来实现的，并会不断进行自适应调试，给用户展示筛选后的信息. 这种自主过滤掉不相关信息的举动使用户失去自由选择权，控制感受损[36]. 而在用户面对智能客服时，提出的问题并不能被理解，出现机械回答、答非所问等现象也会让用户觉得不受自己控制. 研究表明控制感受损会让用户产生抗拒心理进而出现回避行为或负面看待产品服务[4，36]. 王艳芝等[35]通过两个情境模拟实验发现，企业的强迫好评行为会通过控制感受损消极影响用户的好评意愿. Balta-Ozkan等[37]通过对公众的访谈分析发现失控感知会阻碍其对智能家居服务的接受度. 因此失控感知会消极影响用户接受意愿.

2.3 心理障碍

心理障碍是指用户在接受一项新事物时可能存在的心理抵触情绪. Mani等[38]认为心理障碍可能源自于自我形象的不一致、技术焦虑、对新技术的怀疑以及对因为技术减少的人际交往的需求等. 在电商环境下，人工服务大部分被机器所替代，由此产生的人际互动随之减少. 当因智能客服的答非所问产生焦急、愤怒等情绪，或因过于类似和频繁的推荐感到烦躁时，用户并不能得到情感化的交互与安抚. 当情感上的人际交往需求得不到满足时，用户会因为抗拒等负面情绪的产生造成心理障碍从而影响用户行为. Marr[39]研究发现交互需求不满足时产生的心理障碍会阻碍用户使用自助服务技术；刘宝瑞等[40]也指出提供情感交流是让用户放心使用图书馆智慧服务的重点工作. 因此，心理障碍会降低用户接受意愿.

根据复杂性理论，复杂系统内的所有主体都在行动并且相互影响，社会现象发生的原因条件之间多是相互依赖而非独立的. 因此，解释社会现象发生的原因需要用一个整体、系统的角度来看待[41]，据此本文提出以下命题：

命题1：五因素中任一因素都不是引致用户接受意愿的必要条件，即任一因素都不是必须存在的.

命题2：智能化服务用户接受意愿是多个因素相互影响下的结果，五因素以组合的形式共同发挥作用.

命题3：智能化服务用户接受意愿的实现存在多个不同因素组合路径，是一种多重路径并发引致的结果现象.

通过以上命题假定任一因素或因素组合都是非必要存在，即可被替代的. 在管理实践中，这意味着可以给企业提供多种可供选择的方案，让其根据自身的资源禀赋选择某种组合以达到相同的目的，使企业资源得到最大化利用.

3 研究准备与数据收集

3.1 问卷设计与发放

本研究采用调查问卷收集数据. 问卷包括甄别题、人口统计题和观测变量题，其中观测变量测量参考国内外的成熟量表. 即UTAUT模型变量参考钱春玲[5]、罗盛等[6]、Venkatesh V et al.[25]、苏婉等[26]；失控感知参考郭芳[33]、Balta-Ozkan N et al[37]；心理障碍参考Mani Z， Chouk I[38]；接受意愿参考Venkatesh V et al.[25]、Davis F D et al.[31]. 先在小群体范围进行预调研，根据信效度修正量表题项，形成最终问卷发放.

3.2 数据收集和描述性统计

2020年1月8日在问卷星平台设计调查问卷(https：//www.wjx.cn/m/53966378.aspx)，随后通过微博、微信等社交媒体渠道和图书馆进行线上、线下发放. 截至2020年1月18日回收完毕，共回收问卷237份. 通过甄别删除无智能化服务体验的29份及填涂不清、漏题等的31份，剩余有效问卷177份，有效率达74.6%. 样本的人口统计学特征为：女性112人占比63.3%，男性65人占比36.7%；年龄基本分布在21～39岁(92.7%)；受教育程度方面本科(53.1%)和硕士(39.5%)占比较大；职业以在读学生(58.2%)和企业职工(33.9%)为主.

3.3 信度、效度检验

首先进行Harman单因素检验[42]，结果显示在未经旋转前第一个因子解释了所有变量测量题项35.238%的变异，不占大多数，表明不存在明显的同源偏差(CMV)问题. 随后进行信度、效度检验，结果均达到标准，数据良好(如表1、2所示).

表1 信度、效度检验表

续表1

表2 区别效度检验表

4 FsQCA因素组合分析

为了从组合视角研究不同因素是如何共同作用智能化服务的用户接受意愿，找出引致用户接受意愿的因素组合(构型)，本研究运用fsQCA软件进行数据分析.

通过fsQCA软件中的calibrate函数将问卷数据校准转换为0～1的模糊隶属度得分，此时需要选择三个关键点：完全非隶属点、交叉点和完全隶属点[43]. 根据样本数据分布情况，本研究选取(10，90)百分位数作为完全非隶属点和完全隶属点，中位数作为交叉点进行校准.

4.2 必要性检验

在fsQCA 软件中“Analysis-Necessary Conditions”完成必要性检验[43]，以判断单个条件存在(或不存在)是否为结果变量的必要条件. 其中，一致性(Consistency)是该变量为结果变量必要条件的程度，是一种可能性大小；覆盖率(Coverage)反映有多少案例能解释该变量的必要性[44]，是一种解释力大小. 一般而言，当一致性大于 0.9时，认为该前因是结果的必要条件[45](结果如表3所示).

表中数据显示，所有条件无论其存在与否对于用户接受(不接受)意愿而言，它们的一致性Consistency值均小于0.9，由此作出判断这五个前因条件中任一因素对引致用户接受意愿来说不存在必要性，证明了命题 1.

4.3 充分性分析

将案例按照条件的不同组合(即构型)进行归类来构建真值表，通过一致性和频数阈值的设定剔除部分构型，其中一致性是指该构型引致结果发生的可能程度，可看作回归分析中的P值，拉金建议一致性阈值至少大于0.75，大部分研究中设定为0.8；频数是指某一构型在真实的样本中实际出现的次数，频数阈值设定后需保留样本量不低于总样本量的 80%[46]. 本文中设定一致性阈值为0.8，频数阈值为1.

基于筛选后的真值表分析会得到三种解：简约解、复杂解和中间解. 其中，复杂解可能会产生较多矛盾组合，简约解可能忽视较多信息，因此研究中多采用中间解进行分析[47]. 另外，Fiss[48]将中间解和简约解中共同包含的前因条件称为核心条件，认为其对于结果产生重要影响；而将仅包含在中间解且未在简约解中出现的前因条件称为边缘条件，认为该变量对结果有辅助贡献. 本研究选取中间解分析时结合简约解中的构型划分核心条件，最终得到构型结果如表4所示.

表4 引致用户接受意愿的条件组合(构型)

表示条件不存在或存在水平低；无符号表示存在与否不影响结果.

表中一致性是指该构型引致结果发生的可能程度，可看作回归分析中的P值；覆盖率是指结果变量在多大程度上是由该方案引致的，是一种方案解释力度大小的见证，可看作回归分析中的R2. 其中原始覆盖率是指案例样本中能被该方案解释的案例占比，净覆盖率是指样本中仅能被该方案解释的案例占比. 总体来看，表4中展示了4个构型方案，各构型方案和总体方案一致性的最低值为0.82，均在可接受阈值0.75以上[44]，证明表中所列的这些构型均能够在较高程度上引致用户接受意愿. 表中每个构型的原始覆盖率均大于38%，说明每种构型方案能解释38%以上的用户接受意愿，同时4种构型的总体方案覆盖率为70.9%，说明表中所示的四种构型能在较好的程度上解释用户接受意愿.

除一致性和覆盖率指标外，每种构型都是由不同的前因条件组合而成，不存在单独条件的作用，证明了命题 2；并且一共有4种构型可以引致用户接受意愿，证明了命题 3.

5 结语

5.1 研究结论

根据表4可得引致用户接受意愿的4种构型：1)存在较高水平的绩效预期和努力预期，且心理障碍不存在或存在水平低；2)存在较高水平的绩效预期、努力预期和社会影响；3)存在较高水平的努力预期、社会影响且失控感知和心理障碍不存在或存在水平低；4)存在较高水平的绩效预期、社会影响、失控感知和心理障碍.

用数学式对以上方案进行汇总表达，其中符号“+”表示或者，符号“*”表示条件同时存在，符号“～”表示条件的否定面，符号“→”表示推导出. 总结后的公式为：

5.2 讨论

根据上述研究结论，本文有以下几点发现：

1)QCA确实能在一定程度上实现对现有理论的评估，是一项尤为有效的理论检验工具. 观察表4中的构型2：较高水平的绩效预期、努力预期和社会影响会引致用户接受意愿，失控感知与心理障碍变量的存在与否不受限制. 可以发现其条件组合即为UTAUT模型中的变量组合，且在四个构型方案中的原始覆盖率(54%)最高，表明该构型方案对样本案例解释力度最大，校验了UTAUT模型.

2)任一前因条件都不是引致用户接受意愿的必要条件. 构型1中社会影响与失控感知、构型2中心理障碍、构型3的绩效预期和构型4的努力预期分别证明了特定组合下变量存在的非必要性. 综上所述，不同于以往研究所示的某因素要么显著积极影响必须存在，要么消极影响必须消失的结果，本研究发现在不同条件组合下任一因素的存在与否不绝对，积极因素可以不存在，消极因素也可存在. 因此，企业在对智能化服务进行优化时可以着重选择其中易突破的模块进行研发投入，达到有限资源的最大化利用.

3)绩效预期是用户接受智能化服务的关键要素，企业可重点研发该模块. 构型1、2、4中均需要存在较高水平的绩效预期才能引致用户接受意愿，由此看来电商环境下用户最重视智能化服务的绩效预期. 此外通过比较构型2、3，可以发现存在较高水平绩效预期时，失控感知和心理障碍带来的负面影响会被抵消，所以要想提高用户的接受程度，就要保证服务给用户带来较高的绩效水平，以在一定程度上弥补其他因素带来的负面影响，即使用户控制感受损、心理障碍发生时也会有接受意愿.

本研究从用户需求端出发探究影响因素，运用fsQCA 找到引致用户接受意愿的4种不同构型，为智能化服务的优化提供了方向指导，有利于企业研发资源投入的最大化利用. 但本研究在样本数据方面以学生群体为主，此后可拓展发放渠道，考虑更多群体，提高结论普适程度.